软件容器先锋Docker公司将其企业业务出售给Mirantis,此举是该公司重组工作的一部分,在这次重组中,该公司还任命了原来的产品负责人Scott Johnston接任首席执行官一职。
该公司于今天早上宣布了这一消息。Docker已经从Benchmark Capital和Insight Partners筹集了3500万美元的新资金,以支持新的业务方向,将完全针对开发人员提供工具。
Docker最流行的开发工具是其公司同名的容器引擎,它是当今大多数容器化应用程序项目的基础。该初创公司还提供补充产品,帮助开发的其他方面实现自动化。
Docker的企业业务销售的是一套被称为Docker Enterprise的商业产品。该软件包将公司的开发工具与功能相结合,可以帮助公司管理、保护和监控其工程师构建的容器化应用程序。在财富100强的企业中,大约有三分之一的企业在使用该产品;而在全球500强的企业中,大约有五分之一的企业也在使用该产品。
Docker即将离任的首席执行官Rob Bearden在一份声明中表示:“我们确定Docker有两块截然不同的业务:一块是活跃的开发人员业务,另一块是成长之中的企业业务……这导致我们做出对公司进行重组并将两块业务分离的决定。对于客户来说,这是件好事,并且让业界领先的Docker技术能够健康发展。”
Bearden在首席执行官的职位上只呆了六个月,就将控制权转交给了Johnston。该公司未来的路径图将集中在Docker Desktop和Docker Hub上,前者是该公司的一款本地编码工具,用于构建容器化应用程序,后者是提供现成应用程序组件的市场。
Mirantis将接管整个Docker Enterprise套件以及相关的客户合同。根据双方的协议,该业务的300名左右员工也将加入Mirantis公司。
该公司将把Docker Enterprise与其自有的Mirantis Cloud Platform集成在一起,该平台可帮助企业部署和运行Kubernetes本地硬件。该公司还计划在未来推出一种托管版本。
Mirantis和新重组的Docker表示,他们将合作维护双方解决方案之间的集成。这就意味着,Docker的Johnston(如图)去年在SiliconANGLE的移动直播工作室theCUBE上提出的容器开发愿景仍有未来。他当时表示,他的团队的目标是提供一个“从开发人员体验到运营端的连续性平台。”
Johnston表示:“这是要提供一致的用户体验和一致的工件集,供构建软件的所有不同角色使用,以便他们能够成功地在整个应用程序开发生命周期中移动这些Docker应用程序。”
SiliconANGLE Media直播工作室theCUBE的主持人Stu Miniman表示:“Docker帮助使容器民主化,这些容器是新一代应用程序开发的促成因素,并且对云原生环境至关重要…… Docker曾经是科技界最热门的话题,尽管该公司的营业收入不高,但仍获得了独角兽的地位。”
但是Miniman表示,Docker在尝试围绕容器管理构建生态系统时犯了“严重失误”。他表示:“不仅仅是Docker Swarm在编排工具大战中输给了Kubernetes,而且尽管这些容器得到了大量采用,但是其货币化的途径仍然有问题。”
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
DeepSeek-AI团队通过强化学习技术开发出DeepSeek-R1系列推理模型,无需人工标注即可自主学习复杂推理。该模型在数学、编程等领域表现卓越,在AIME 2024中达到79.8%准确率,编程能力超越96%人类选手。研究团队还通过知识蒸馏技术将推理能力传递给小模型,使7B参数模型也能超越GPT-4o。这项突破为AI推理能力发展开辟新路径。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
微软研究院推出rStar-Math系统,通过创新的"深度思考"训练方法,让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练,将70亿参数模型的数学能力从58.8%提升至90.0%,在美国数学奥林匹克竞赛中达到前20%水平,证明了精巧方法比模型规模更重要,为AI发展开辟了新路径。